Morphology exploration of pollen using deep learning latent space
Morphology exploration of pollen using deep learning latent space
复制标题
利用深度学习潜在空间进行花粉形态学探索
DOI：
10.1088/2633-1357/acadb9
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Grant-Jacob J
中科院分区：
文献类型：
--
作者：
Grant-Jacob J
花粉的结构根据其当地环境、竞争和生态而演变。由于花粉粒的大小通常为 10-100 微米，具有纳米级的子结构，因此扫描电子显微镜是用于成像和分析的重要显微镜技术。在这里，我们使用风格迁移深度学习来探索花粉粒扫描电子显微镜图像的潜在 w 空间，并展示了使用该技术了解花粉粒的进化途径和特征结构特征的潜力。
The structure of pollen has evolved depending on its local environment, competition, and ecology. As pollen grains are generally of size 10–100 microns with nanometre-scale substructure, scanning electron microscopy is an important microscopy technique for imaging and analysis. Here, we use style transfer deep learning to allow exploration of latent w-space of scanning electron microscope images of pollen grains and show the potential for using this technique to understand evolutionary pathways and characteristic structural traits of pollen grains.
登录
查看更多内容
影响因子：
5.9
作者：
Atlagic, Jovanka;Terzic, Sreten;Marjanovic-Jeromela, Ana
通讯作者：
Marjanovic-Jeromela, Ana
花粉形态变异与大范围的干旱梯度相关
影响因子：
2.2
作者：
H. Fatmi;S. Maalem;Bouchra Harsa;A. Dekak;Haroun Chenchouni
通讯作者：
Haroun Chenchouni
使用深度学习生成水合花粉粒图像
影响因子：
--
作者：
J. Grant;M. Praeger;R. Eason;B. Mills
通讯作者：
B. Mills
影响因子：
2.9
作者：
Grant-Jacob, James A.;Praeger, Matthew;Mills, Ben
通讯作者：
Mills, Ben
PalDat 3.0 – 数据库的第二次修订，包括免费的在线出版工具
影响因子：
0.9
作者：
Martina Weber;Silvia Ulrich
通讯作者：
Silvia Ulrich